Документация: кодек-строки, аудит дорожек, текущие метрики

README: метрики модели 02.11.2026 (test 4 377 строк, e2e по трекерам), размер
датасета, kinozal-вкладки. dataset.md: размер снимка, колонки studio_source и
audio_raw. architecture.md: кодек-строки как позитивы сегментатора, E2E_MODEL.
collecting.md: tools/audit_tracks.py. training-windows.md: доразметка, сравнение
кандидата и постановка в models/best и Docker. plan.md: шаг «аудит дорожек».

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

README.md

@@ -76,19 +76,21 @@ docs/            документация
 
 ## Качество
 
-Held-out test (645 строк, группировка по релизам и текстам; полная таблица и
-графики — [reports/summary.md](reports/summary.md)):
+Held-out test (4 377 строк, группировка по релизам и текстам; модель
+`models/runs/20261102_190555_basecodec`, обучена 02.11.2026 на `labels.csv` со студиями из
+кодек-строк; сравнение моделей — `python -m src.runs`):
 
-| модель | type acc | type macro-F1 | span exact | 18+ acc | joint exact |
-|---|---|---|---|---|---|
-| rubert-tiny2 | 0.991 | 0.970 | 0.918 | 1.000 | 0.915 |
-| **ruBert-base (models/best)** | **0.994** | 0.966 | **0.950** | **1.000** | **0.946** |
+| модель | type acc | type macro-F1 | span exact | 18+ acc | lang acc | joint exact |
+|---|---|---|---|---|---|---|
+| **ruBert-base (models/best)** | **0.978** | **0.903** | **0.922** | **1.000** | **0.997** | **0.906** |
 
 * joint exact — строка распознана полностью (тип + автор + 18+).
-* E2E на сохранённых страницах релизов: rutracker — precision 0.83 / recall 0.98
-  по парам (тип, автор); kinozal-текстовые дампы содержат только тех-вкладку
-  без авторов (автор подгружался на сайте через JS), поэтому там автор
-  недоступен в принципе.
+* Тест-сплит пересобирается вместе с датасетом, поэтому цифры разных снимков напрямую
+  не сравниваются (ранние 0.946 — на тесте из 645 строк). rubert-tiny2 на текущем
+  датасете не переобучалась.
+* E2E по релизам (`tests/e2e_segmenter.py`, по 400 тестовых страниц на трекер, пары
+  тип + студия, precision / recall): kinozal 0.766 / 0.879, rutracker 0.877 / 0.870,
+  nnm 0.838 / 0.825.
 * ONNX-экспорт эквивалентен PyTorch на 100% строк test — [reports/onnx_parity.md](reports/onnx_parity.md).
 * Smoke на формулировках, которых нет в датасете: тип 9/10, 18+ 10/10,
   автор 5/10 (полное извлечение автора на непривычных форматах записи —
@@ -99,14 +101,14 @@ Held-out test (645 строк, группировка по релизам и т
 * Метки датасета сгенерированы регулярками (пайплайн deepseek-harness) — метрики
   измеряют согласование с этой разметкой; ценность модели — обобщение на новые
   формулировки без сопровождения регулярок.
-* Источники несбалансированы (rutracker 1658 / nnm 1549 / kinozal 77 строк).
+* Датасет: 55 324 строки из 27 900 релизов (kinozal 21 766 / nnm 18 363 / rutracker 15 195).
 * Извлечение автора уверенно работает на форматах записи, представленных в
   датасете (имя после типа через разделитель, в скобках у AVO/MVO/DVO-дорожек,
   после тире); на непривычных форматах («Одноголосый закадровый (Фамилия)»)
   модель может не выделить имя — span остаётся пустым, тип при этом верный.
-* kinozal-страницы: авторы озвучки подгружаются на сайте JavaScript-ом; в
-  статическом HTML и текстовых дампах их нет — модель их не увидит (это
-  ограничение данных, не модели).
+* kinozal-страницы: авторы озвучки лежат во вкладках, которые сайт подгружает
+  JavaScript-ом. По `url` сервис скачивает их сам (`fetch_html`, `showtab`); в
+  присланном `html`/`text` без этих вкладок студий может не быть.
 * Классы с 1–8 примерами почти не выучиваются (видно в macro-F1 и confusion
   matrix); морфологическая аугментация (458 вариантов: «многоголосое» и т.п.)
   частично закрывает этот пробел.